智能體：一句話進去，一份檔案出來
「幫我寫一份開題報告」——同樣這句話，丟進聊天框，拿到的通常是一段文字；丟進智能體，拿到的是一份能直接打開的檔案。差別不在文筆，在「有沒有動手」。這篇把 MuchSci 應用集裡的智能體單獨拆解一遍：接到一句話之後，它究竟走了哪些步、交出來的又是什麼。
理解它的鑰匙，是把「回答一個問題」和「完成一件事」分開。前者是一次性的，答案給你，剩下的都歸你；後者有中間狀態、有工具調用、有驗收環節，終究要落到一個具體的東西上。智能體是後者。
01 它和聊天框不是同一類東西
先看最直接的對照。
▲ 圖 1｜兩邊都能說人話，區別在於：一邊把話說完就停，一邊把事做完才停
聊天框的產出是「文字」，落不落地是使用者的事；智能體的產出是「檔案」，落地這一步它自己走完。更實質的差別在另外兩點：它碰得到真實檔案——讀得到你放進工作區的資料、寫得出你要的那份稿子；它留得下痕跡——任務怎麼拆的、調了哪些工具、成稿前查了什麼，都能展開看。
這兩點合起來，才讓「交付」這個詞成立。一段文字沒有驗收標準，一份檔案有：打開、翻兩頁、看引用、看結構，好壞一目了然。寫了這麼多篇工具實測，判斷一個 AI 功能是不是「真做事」，我用的就是這一條——它有沒有留下可以被檢查的東西。
02 一次任務裡，它自己走完的幾步
把一次完整的執行拆開，大致是下面這幾步。
▲ 圖 2｜只有第 1 步需要你，其餘幾步在你不在場時也能跑完
關鍵在第 3 步和第 5 步。看結果意味著它不是一次成型——檢索回來的文獻不夠，它會補一輪；結構缺一節，它會回頭補。自查意味著成稿前有一道人工裡常見的工序被固定下來：結構對不對、引用落沒落到位、格式缺哪塊。這兩步是「跑完」和「答完」的分界線。
介面裡能直接看到這個過程。下面是智能體跑完一份開題報告後的交付記錄：
▲ 圖 3｜交付記錄：成品檔案、檢索依據、選題與結構，都在同一條記錄裡
截圖裡那張表就是它的驗收面：主交付檔案、預覽檔案、檢索了幾輪、入庫多少篇、選題怎麼收窄的、報告分幾節。過程不是黑盒，而是隨交付一起給出來的附件——這一點後面講「過程留痕」時會再說。
03 交付物是一包東西
很多人對 AI 輸出的印象還停在「一段話」。智能體交出來的其實是三樣疊在一起的東西。
▲ 圖 4｜成品、依據、過程，三樣合起來才算一次完整交付
第一層是成品。 一份能打開、能繼續改的 Word 檔案，不是截圖、不是純文字，而是你接手後還能接著往下寫的東西。第二層是依據。 這份稿子引的文獻從哪來、檢索走了幾輪、入庫多少篇、引用閉環有沒有閉合——寫論文的人對這一段最敏感，因為引用是不是真的，直接關係到稿子能不能用。第三層是過程。 任務怎麼拆的、調了哪些工具，寫完之後還能翻開復盤。
這也是為什麼在 MuchSci 這條線上，「交付」和「輸出」是兩個詞。輸出是給一段文字，交付是給一個可以被檢查的包裹。
04 什麼時候交給它，什麼時候自己來
智能體不是萬能鎖匙。把任務形態和它的能力對一下，用起來會順很多。
▲ 圖 5｜對不上的時候，用起來彆扭的是使用者自己
要一段思路、一個解釋、一點靈感，聊天式的問答其實更輕快——你不需要為一段三行的答案啟動一整套流程。反過來，要一份能直接交出去的檔案，就該把要求一次交代清楚：主題是什麼、結構要幾節、引用要不要帶、格式按什麼來。交代得越具體，驗收時越省事，因為它的執行路徑是由你的要求決定的。
一個實用的判斷標準：如果這件事做完之後你要拿著一個「東西」去見人——導師、合作者、評審——那就是智能體的活；如果只是你自己想弄明白一件事，那就沒必要動用它。
05 邊界
照例把邊界擺在明面上。
① 本篇講的是功能位置，不是效果承諾。 上面拆的是智能體在任務執行裡的角色與交付方式，不構成對成稿質素或效率的承諾；實際結果和任務複雜度、文獻範圍、要求寫得清不清楚都有關係。
② 能跑完流程，不等於判斷可以外包。 結構合不合理、論述站不站得住、這篇文獻該不該引，仍然是寫作者本人的判斷。智能體保證的是「流程走完」，不是「結論正確」。
③ AI 參與論文寫作的允許範圍以所在學校現行規定為準。 涉及文獻真實性、資料真實性的最終責任，始終在作者本人。